我目前正在为我的大学课程做一个变更检测项目,我一直忙于编写一个定制的丢失函数,我知道我必须使用函数闭包才能使用来自模型层的数据,但是我不知道足够的tensorflow/keras知识来编写有效的代码。这是修正的交叉熵损失方程,我试图转化为code.The损失,需要用模型的输入来计算矩阵W,即X1和X2。所以现在我有这个。def cmg_loss(X1,X2): print(X1)
if X
)
base_model = tf.keras.applications.MobileNet(input_shape=(180, 320, 3), weights=Nonebase_model.input, outputs=output)
with tf.GradientTapeoperations that the layer applies
# to
我想形象化CNN中给定的特征地图所学习到的模式(在本例中,我使用vgg16)。为此,我创建了一个随机图像,通过网络输入到所需的卷积层,选择特征映射并找到与输入相关的梯度。使用tensorflow 2.0,我有一个GradientTape,它跟踪函数,然后计算梯度,但是梯度不返回,为什么它不能计算梯度?self.model.inputs, with